[发明专利]基于稀疏表示的多外观模型融合目标跟踪方法及其装置

权利要求书

1.一种基于稀疏表示的多外观模型融合目标跟踪方法，其用于对跟踪图像中的跟踪目标进行跟踪，其特征在于，其包括以下步骤：

(1)搭建粒子滤波框架，并通过多个仿射参数确定所述跟踪目标的状态以构建所述跟踪目标状态转移的运动模型；

(2)在所述粒子滤波框架中，先确定所述跟踪图像的目标模板集和候选目标集，再将所述目标模板集与用于描述误差的琐碎模板通过线性规划以产生对所述候选目标集中候选目标的稀疏系数解，并构建全局稀疏外观模型；

(3)建立局部稀疏外观模型；其中，所述局部稀疏外观模型的建立方法包括以下步骤：(3.1)在所述目标模板集的每个目标模板中提取具有重叠的多个局部图像块一，并将所有局部图像块一组合成一个局部字典；(3.2)先在所述候选目标集的每个候选目标中提取具有重叠的多个局部图像块二，再将所述局部图像块二作为局部特征并用所述局部字典进行编码，获得对应的编码系数矩阵；(3.3)先将所述编码系数矩阵分为若干段段系数，再对所有段系数加权并获得系数向量，最后将所有系数向量构成一个相似性方阵；

(4)将所述全局稀疏外观模型与所述局部稀疏外观模型融合，且融合方法包括以下步骤：(4.1)先计算所述相似性方阵的主对角线上的两种相似性元素，再计算两个元素之和的加权和并作为一个目标区域的融合相似性；(4.2)根据所述稀疏系数解，计算全局表示后的重构误差；(4.3)计算所述融合相似性和所述重构误差的加权和并作为对应的候选目标的判别函数；

(5)向所述目标模板集的每个目标模板赋予与其重要度呈正比的一个权值，并对所述目标模板集的目标模板进行更新，且更新方法包括以下步骤：(5.1)选取稀疏线性表示系数最大的目标模板为当前最优模板，并将所述当前最优模板的权值重置为1；(5.2)计算当前帧的跟踪目标与所述当前最优模板的相似度；(5.3)判断所述相似度是否大于一个相似度阈值，是则判断跟踪结果的遮挡程度是否在一个阈值范围内，是则对相应的目标模板进行更新：先线性表示估计目标，再对稀疏线性表示系数向量中值最小的分量所对应的目标模板进行更新，最后更新对应的局部字典。

2.如权利要求1所述的基于稀疏表示的多外观模型融合目标跟踪方法，其特征在于，所述运动模型的表达式为：

p(x_t|x_t-1)＝N(x_t；x_t-1，ψ)

其中，x_t为状态矢量，并用于表示多个仿射参数所确定的跟踪目标状态；ψ表示对角协方差矩阵，其元素对应多个仿射变换参数的方差；N(x_t；x_t-1，ψ)表示在给定状态矢量x_t-1和对角协方差矩阵ψ时，状态矢量x_t的高斯概率密度函数。

3.如权利要求1所述的基于稀疏表示的多外观模型融合目标跟踪方法，其特征在于，所述全局稀疏外观模型的表达式为：

式中，T＝[T₁,T₂,…,T_n]，用于表示所述目标模板集；Y＝[y₁,y₂,…,y_m]，用于表示所述候选目标集；I表示所述琐碎模板，表示要求解的候选目标y_i的稀疏系数向量；所述全局稀疏外观模型还对所述稀疏系数向量进行非负约束，且约束公式为：

其中，A为过完备基，且A＝[T,I]；λ为一个参数，用于平衡L1正则化项和重构误差之间的权重。

4.如权利要求3所述的基于稀疏表示的多外观模型融合目标跟踪方法，其特征在于，所述稀疏线性表示系数的计算公式为：

式中，p_i为候选目标的第i个局部特征，b_i为p_i在所述局部字典下的编码系数矩阵；D为所述局部字典；

所述系数向量的表达式为：

式中，C为归一化项，为b_i的第k段；所述编码系数矩阵表示为B＝[b₁,b₂,…,b_N]，所述段系数表示为